图像处理方法、装置、电子设备及存储介质与流程

本申请涉及图像处理技术领域，具体而言，涉及一种图像处理方法、装置、电子设备及存储介质。

背景技术：

目前，基于对象识别的大规模应用，拍摄并获得了大量的包含对象的图像。这样，就可以通过将大量的包含对象的图像与事件相关的目标对象的图像进行匹配从而确定该对象是否为与事件相关的目标对象。

可是，在目标对象不明确的情况下，若将大量的包含对象的图像与事件相关的海量的目标对象匹配，需要耗费极长的时间。故在需要实效性的时候，难以实现快速将与事件相关的结果确定出来。

技术实现要素：

本申请在于提供一种图像处理方法、装置、电子设备及存储介质，以有效的解决在目标对象不明确的情况下，难以实现快速将与事件相关的结果确定出来的技术问题。

为了实现上述目的，本申请的实施例通过如下方式实现：

第一方面，本申请实施例提供了一种图像处理方法，所述方法包括：

获得在设定时间范围内以及设定地点范围内采集到的多张图像，所述多张图像包含m个对象，m为大于1的整数；

对所述多张图像进行聚类分析，确定在所述设定时间范围内以及所述设定地点范围内多次出现的n个对象，n为小于等于m的正整数。

结合第一方面，在一些可选地实现方式中，所述对所述多张图像进行聚类分析，确定在所述设定时间范围内以及所述设定地点范围内多次出现的n个对象，包括：

对所述多张图像按照每两张图像的相似度进行聚类分析，得到m个对象的图像集合，其中，所述m个对象中每个对象的图像集合包括每个对象的至少一张图像；

根据每个对象的图像集合中的至少一张图像，确定在所述设定时间范围内以及所述设定地点范围内多次出现的n个对象。

结合第一方面，在一些可选地实现方式中，所述根据每个对象的图像集合中的至少一张图像，确定在所述设定时间范围内以及所述设定地点范围内多次出现的n个对象，包括：

根据每个对象的图像集合中的至少一张图像，确定在所述设定地点范围内的至少x个地点均出现过的n个对象，以及根据所述n个对象中每个对象的图像集合中的图像的张数，确定所述n个对象中每个对象的出现次数；x为正整数，n大于等于n且小于等于m的正整数；

根据所述n个对象中每个对象的出现次数，确定出所述出现次数大于等于预设次数的n个对象为在所述设定时间范围内以及所述设定地点范围内多次出现的对象。

结合第一方面，在一些可选地实现方式中，所述根据每个对象的图像集合中的至少一张图像，确定在所述设定时间范围内以及所述设定地点范围内多次出现的n个对象，包括：

根据每个对象的图像集合中的图像的张数，确定所述m个对象中每个对象的出现次数；

根据每个对象的出现次数，确定所述出现次数最高的n个对象为在所述设定时间范围内以及所述设定地点范围内多次出现的对象。

结合第一方面，在一些可选地实现方式中，所述对所述多张图像按照每两张图像的相似度进行聚类分析，得到m个对象的图像集合，包括：

对所述多张图像按照每两张图像的相似度进行聚类分析，确定每两张图像之间的相似度，并确定所述相似度大于等于第一阈值的每两张图像为每个对象的图像集合中的图像；

共得到m个对象的图像集合。

结合第一方面，在一些可选地实现方式中，所述方法还包括：

分别将所述n个对象的图像与目标对象的图像进行比对，确定所述n个对象中是否存在所述目标对象。

结合第一方面，在一些可选地实现方式中，所述分别将所述n个对象的图像与目标对象的图像进行比对，确定所述n个对象中是否存在所述目标对象，包括：

分别将所述n个对象的图像与目标对象的图像进行比对，得到每个对象的图像与所述目标对象的图像的之间的相似度；

根据判断所述相似度是否大于等于第二阈值，确定所述n个对象中是否存在所述目标对象，其中，所述相似度大于等于所述第二阈值表示所述相似度对应的每个对象为与所述目标对象相似的对象。

结合第一方面，在一些可选地实现方式中，所述方法还包括：

从所述n个对象的每个对象的图像集合中，任选一张图像为每个对象的图像。

第二方面，本申请实施例提供了一种图像处理装置，所述装置包括：

图像获得模块，用于获得在设定时间范围内以及设定地点范围内采集到的多张图像，所述多张图像包含m个对象，m为大于1的整数。

对象匹配模块，用于对所述多张图像进行聚类分析，确定在所述设定时间范围内以及所述设定地点范围内多次出现的n个对象，n为小于等于m的正整数。

结合第二方面，在一些可选地实现方式中，

所述对象匹配模块，还用于对所述多张图像按照每两张图像的相似度进行聚类分析，得到m个对象的图像集合，其中，所述m个对象中每个对象的图像集合包括每个对象的至少一张图像；根据每个对象的图像集合中的至少一张图像，确定在所述设定时间范围内以及所述设定地点范围内多次出现的n个对象。

结合第二方面，在一些可选地实现方式中，

所述对象匹配模块，还用于根据每个对象的图像集合中的至少一张图像，确定在所述设定地点范围内的至少x个地点均出现过的n个对象，以及根据所述n个对象中每个对象的图像集合中的图像的张数，确定所述n个对象中每个对象的出现次数；x为正整数，n大于等于n且小于等于m的正整数；根据所述n个对象中每个对象的出现次数，确定出所述出现次数大于等于预设次数的n个对象为在所述设定时间范围内以及所述设定地点范围内多次出现的对象。

结合第二方面，在一些可选地实现方式中，

所述对象匹配模块，还用于根据每个对象的图像集合中的图像的张数，确定所述m个对象中每个对象的出现次数；根据每个对象的出现次数，确定所述出现次数最高的n个对象为在所述设定时间范围内以及所述设定地点范围内多次出现的对象。

结合第二方面，在一些可选地实现方式中，

所述对象匹配模块，对所述多张图像按照每两张图像的相似度进行聚类分析，确定每两张图像之间的相似度，并确定所述相似度大于或等于第一阈值的每两张图像为同一对象的图像集合中的图像，共得到m个对象的图像集合。

结合第二方面，在一些可选地实现方式中，所述装置还包括：

对象确定模块，用于分别将所述n个对象的图像与目标对象的图像进行比对，确定所述n个对象中是否存在所述目标对象。

结合第二方面，在一些可选地实现方式中，

所述对象确定模块，还用于分别将所述n个对象的图像与目标对象的图像进行比对，得到每个对象的图像与所述目标对象的图像的之间的相似度；判断所述相似度是否大于或等于第二阈值，确定所述n个对象中是否存在所述目标对象，其中，所述相似度大于或等于所述第二阈值表示所述相似度对应的对象为所述目标对象。

结合第二方面，在一些可选地实现方式中，所述装置还包括：

对象选择模块，用于从所述n个对象的每个对象的图像集合中，任选一张图像为每个对象的图像。

第三方面，本申请实施例提供了一种电子设备，所述电子设备包括：处理器，存储器，总线和通信接口；所述处理器、所述通信接口和存储器通过所述总线连接。

所述存储器，用于存储程序。

所述处理器，用于通过调用存储在所述存储器中的程序，以执行第一方面、及第一方面的任一种实施方式所述的图像处理方法。

第四方面，本申请实施例提供了一种具有计算机可执行的非易失程序代码的计算机可读储存介质，所述程序代码使所述计算机执行第一方面、及第一方面的任一种实施方式所述的图像处理方法。

本申请实施例的有益效果是：

通过对包含的m个对象的多张图像集合进行聚类分析，便可以从m个对象中确定出在设定时间范围内以及设定地点范围内多次出现的n个对象，极大缩小了需查找比对的数据量，有利于减小计算量，提高计算效率。那么在目标对象不明确的情况下，这n个对象则极有可能是与事件相关的对象，故再利用这n个对象，则可以快速且准确的确定出事件相关的结果。

为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1示出了本申请第一实施例提供的一种图像处理系统的结构框图；

图2示出了本申请第一实施例提供的一种图像处理系统中电子设备的结构框图；

图3示出了本申请第二实施例提供的一种图像处理方法的第一流程图；

图4示出了本申请第二实施例提供的一种图像处理方法中步骤s200的子流程图；

图5示出了本申请第二实施例提供的一种图像处理方法中步骤s200的子流程的第一流程；

图6示出了本申请第二实施例提供的一种图像处理方法中步骤s200的子流程的第二流程；

图7示出了本申请第二实施例提供的一种图像处理方法的第二流程图；

图8示出了本申请第二实施例提供的一种图像处理装置的结构框图。

具体实施方式

下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有进行出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

第一实施例

请参阅图1，本申请实施例提供了一种图像处理系统10，该图像处理系统10可以包括：图像获得设备11和电子设备20。其中，电子设备20和图像获得设备11建立通信连接。

本实施例中，该图像获得设备11可以为存储图像的存储设备或可以为拍摄图像的多个摄像设备。

作为图像获得设备11为存储图像的存储设备的方式，图像获得设备11可以获得外部的多个摄像设备采集的包含对象的图像。这些外部的多个摄像设备可以安装在相同或不同地点，多个摄像设备中的每个摄像设备可以对出现在每个摄像设备指定的区域内对象进行抓拍，从而获得大量的包含对象的图像，其中，每个摄像设备指定的区域可以其它摄像设备指定的区域相同或者也可以不相同。多个摄像设备均将获得的大量的包含对象的图像发送给图像获得设备11，图像获得设备11则将各摄像设备拍摄到的包含对象的图像均进行存储，以便电子设备20可以从图像获得设备11获得所需的图像。

作为图像获得设备11为多个摄像设备的方式，多个摄像设备也可以安装在相同或不同地点，多个摄像设备中的每个摄像设备也可以对出现在每个摄像设备指定的区域内对象进行抓拍，从而获得大量的包含对象的图像，其中，每个摄像设备指定的区域可以其它摄像设备指定的区域也相同或者也可以不相同。这样多个摄像设备中每个摄像设备均将自己拍摄到的包含对象的图像存储，以便电子设备20可以从图像获得设备11中所需的摄像设备获得所需的图像。

请参阅图2，本申请实施例提供了一种电子设备20，电子设备20可以为终端设备或者为服务器。其中，终端设备可以为个人电脑(personalcomputer，pc)、平板电脑、智能手机、个人数字助理(personaldigitalassistant，pda)等；服务器可以为网络服务器、数据库服务器、云服务器或由多个子服务器构成的服务器集成等。

本实施例中，该电子设备20可以包括：存储器21、通信接口22、总线23和处理器24。其中，处理器24、通信接口22和存储器21通过总线13连接。处理器14用于执行存储器11中存储的可执行模块，例如计算机程序。图2所示的电子设备20的组件和结构只是示例性的，而非限制性的，根据需要，电子设备20也可以具有其他组件和结构。

存储器21可能包含高速随机存取存储器(randomaccessmemoryram)，也可能还包括非不稳定的存储器(non-volatilememory)，例如至少一个磁盘存储器。本实施例中，存储器11存储了执行图像处理方法所需要的程序。

总线23可以是isa总线、pci总线或eisa总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，图2中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。

处理器24可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器14中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器24可以是通用处理器，包括中央处理器(centralprocessingunit，简称cpu)、网络处理器(networkprocessor，简称np)等；还可以是数字信号处理器(dsp)、专用集成电路(asic)、现成可编程门阵列(fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。

本发明实施例任意实施例揭示的流过程或定义的装置所执行的方法可以应用于处理器24中，或者由处理器24实现。处理器24在接收到执行指令后，通过总线23调用存储在存储器21中的程序后，处理器24通过总线23控制通信接口22则可以执行图像处理方法的流程。

第二实施例

本实施例提供了一种图像处理方法，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。以下对本实施例进行详细介绍。

请参阅图3，在本实施例提供的图像处理方法中，该图像处理方法包括：步骤s100和步骤s200。

步骤s100：获得在设定时间范围内以及设定地点范围内采集到的多张图像，所述多张图像包含m个对象，m为大于1的整数。

步骤s200：对所述多张图像进行聚类分析，确定在所述设定时间范围内以及所述设定地点范围内多次出现的n个对象，n为小于等于m的正整数。

通过对在设定时间范围和设定地点范围内采集到的图像进行聚类分析快速确定多次出现的对象，缩小了需查找比对的数据量，有利于从海量数据中快速查找目标对象，能够节省计算资源，提高计算效率。

下面将结合图3至图6，对本申请各步骤进行详细地描述。

步骤s100：获得在设定时间范围内以及设定地点范围内采集到的多张图像，所述多张图像包含m个对象，m为大于1的整数。

例如，可以预先存储每张图像的采集时间和采集地点。

在事件发生后，用户例如警方人员可以在电子设备上设置与该事件的发生时间相关的设定时间范围，并也设置与该事件的发生地点相关的设定地点范围。这样，电子设备可以从存储设备或多个摄像设备上获得在该设定时间范围以及该地点范围内采集到的多张图像包含m个对象，其中，m为大于1的整数。

可以理解到，设定地点范围可以为不止一个地点，而每个地点对应的设置时间范围也不一定相同，其均可根据事件的具体情况而进行选择。

需要说明的是，图像可以为摄像设备对位于设定地点范围内的至少一个对象进行拍摄而获得的图像，其中每张图像可以包含至少一个对象。其中，对象可以为：人、动物、车辆等。

本实施例以对象为人例来进行说明，以便于本领域技术人员能够理解本方案，但并不作为对本实施例的限定。在拍摄的过程中，若对象出现在设定地点范围内的某一地点，那么拍摄该地点的摄像设备就可以对该对象进行拍摄，并得到该包含对象的图像。若该对象在被拍摄之后还在该地点内并位于摄像设备的拍摄范围内时，该拍摄设备通过对该对象预先的标记和跟踪确定可以不再拍摄该对象。但若该对象离开了地点并也离开了摄像设备的拍摄范围之后，该对象又再次回到该地点并重新进入摄像设备的拍摄范围内，那么摄像设备可以再次对该对象进行拍摄，并再次获得包含对象的图像。那么，对于该对象来说，就可以有包含该对象的两张图像。因此，若对象在地点内多次的重复出现，那么摄像设备就可以拍摄获得包含同一对象的多张图像。

可以理解到，由于m个对象为在与事件相关的设定时间范围内以及设定地点范围内的对象，使得与事件相关对象有很大的可能性在m个对象中，故基于事件相关的设定时间范围内以及设定地点范围内来确定出包含m个对象的多张图像能够有效的提高后续确定出嫌疑对象的概率。

下面将以一个示例性的假设来对本实施例的方案进行说明，以便于理解，假设：

发生的事件为x小区y住户被行窃，警方人员根据该事件的发生时间大约为10号凌晨3点30，以及发生地点为y住户位于x小区的11栋4楼，警方人员可以设置相关的设定地点范围包括：小区a门的地点a、小区b门的地点b、11栋门口的地点c。以及，警方人员还可以设置在地点a内与发生时间相关的设定时间范围为：8号晚上6点至9号凌晨6点和9号晚上6点至10号凌晨6点，地点b内与发生时间相关的设定时间范围也为：8号晚上6点至9号凌晨6点和9号晚上6点至10号凌晨6点，地点c内与发生时间相关的设定时间范围为：8号晚上6点至9号凌晨6点和9号晚上6点至10号凌晨6点。

这样，基于以上设定地点范围和设定时间范围，可以得到以下多张图像：：

1.在地点a内且时间范围为8号晚上6点至9号凌晨6点内采集的300张图像。

2.在地点a内且设定时间范围为9号晚上6点至10号凌晨6点内采集的330张图像。

3.在地点b内且设定时间范围为8号晚上6点至9号凌晨6点内采集的230张图像。

4.在地点b内且设定时间范围为9号晚上6点至10号凌晨6点内采集的170张图像。

5.在地点c内且设定时间范围为8号晚上6点至9号凌晨6点内采集的500张图像。

6.在地点c内且设定时间范围为9号晚上6点至10号凌晨6点内采集的460张图像。

在获得包含m个对象的多张图像后，电子设备可以执行步骤s200。

步骤s200：对所述多张图像进行聚类分析，确定在所述设定时间范围内以及所述设定地点范围内多次出现的n个对象，n为小于等于m的正整数。

详细的，电子设备在获得m个对象的多张图像后，可以对多张图像进行基于图像碰撞的聚类分析而将相同的对象归为一类。这样电子设备就可以一类对象的图像数量而确定出每个对象的出现次数，以及再根据每个对象的出现次数确定出在设定时间范围内以及设定地点范围内多次出现的n个对象。

那么，作为确定在设定时间范围内以及设定地点范围内多次出现的n个对象的一种实现方式，即如图4所示，步骤s200的可以包括：步骤s210和步骤s220。

步骤s210：对所述多张图像按照每两张图像的相似度进行聚类分析，得到m个对象的图像集合，其中，所述m个对象中每个对象的图像集合包括每个对象的至少一张图像。

步骤s220：根据每个对象的图像集合中的至少一张图像，确定在所述设定时间范围内以及所述设定地点范围内多次出现的n个对象。

基于获得的包含m个对象的多张图像，电子设备可以执行步骤s210。

电子设备可以对获得多张图像进行基于图像碰撞的聚类分析，以确定出m个对象中每个对象的出现次数。

详细地，电子设备基于图像碰撞的聚类分析的规则可以为：电子设备的每一次碰撞可以为随机的将多张图像中包含某个对象的图像与多张图像中其它包含某个对象的图像集进行匹配，以确定出这两张图像中对应的两个对象之间的相似度，并将该相似度与电子设备中预先设置的第一阈值进行匹配，以判断该相似度是否大于或等于第一阈值，其中，第一阈值可以为例如90％，但并不作为限定，例如，实际中为求更准确，还可以将该第一阈值设置的更高。相似度大于第一阈值则可以表示两个对象为同一对象，这样就可以确定该对象出现在两张图像上，并将该两张图像归为该同一的对象的图像集合中的图像。反之，则表示两个对象为不同对象，从而把两张图像归为不同对象的图像集合。

那么，电子设备按照上述的聚类分析的规则，在经过预设的碰撞次数后，电子设备就可以获得每个对象的图像集合，且每个对象的图像集合中每张图像均可以为包含同一对象的图像。那么对于m个对象来说，电子设备则可以一共确定出m个对象的图像集合。一般来说，预设的碰撞次数可以保证每个对象均可以从多张图像确定出包含每个对象的全部图像，当然预设的碰撞次数也可以根据实际使用中的确定出包含每个对象的图像的数量的准确度进行调整。

因此，本实施例通过聚类分析则可以有效的确定出包含同一对象的每个对象的图像集合，使得后续的处理更为方便。

电子设备确定出每个对象的图像集合后，电子设备可以继续执行步骤s220。

作为确定多次出现的n个对象的一种方式，如图5所示，步骤s220可以包括：步骤s2210和步骤s2220。

步骤s2210：根据每个对象的图像集合中的至少一张图像，确定在所述设定地点范围内的至少x个地点均出现过的n个对象，以及根据所述n个对象中每个对象的图像集合中的图像的张数，确定所述n个对象中每个对象的出现次数；x为正整数，n大于等于n且小于等于m的正整数。

步骤s2220：根据所述n个对象中每个对象的出现次数，确定出所述出现次数大于等于预设次数的n个对象为在所述设定时间范围内以及所述设定地点范围内多次出现的对象。

基于电子设备对步骤s2210的执行，可以理解到是，每个对象的图像集合中的至少两张图像可以为同一地点的图像，或者，每个对象的图像集合中的至少两张图像也以为不同地点的图像，故这就导致每个对象的图像集合的图像数量可以少于每个对象的图像集合对应的不同地点的数量。

例如，对象1的图像集合包括：包含地点a的图像a、地点a的图像b和地点b的图像c中，那么对象1的图像集合的图像数量为3张，但对象1的图像集合中对象1出现的地点却只有2个。例如，图像a和图像b分别是在不同时段对经过地点a的对象1拍摄的。

于本实施例中，对象在越多在事件相关的设定地点范围内的不同地点中出现，那么则可以表示该对象与事件越相关。故电子设备中可以预先设置数量阈值x，x不大于设定地点范围内所有不同地点的总数。例如，x可以表示与该事件是否相关的下限值，若对象出现在不同地点的地点数量大于x，则表示该对象与该事件相关，反之，则不相关。

因此，电子设备可以通过执行步骤s2220来确定出，每个对象出现在不同地点的地点数量。

详细地，电子设备可以通过对每个对象的图像集合中每张图像的拍摄地点进行分析，每个对象出现在不同地点的次数。基于此，电子设备将每个对象出现在不同地点的次数与x进行比较，那么电子设备可以确定出m个对象中确定在设定地点范围内的至少x个地点均出现过的n个对象，其中，n大于等于n且小于等于m的正整数。

再者，不仅每个对象在不同地点的出现次数可以作为判断每个对象是否与事件相关的依据，且每个对象在不同地点和/或相同地点一共出现过的次数也可也作为判断每个对象是否与事件相关的依据，即电子设备还可以通过确定对象的出现次数来判断判断每个对象是否与事件相关，对象的出现次数越高则可以与事件越相关，反之，则越不相关。

可选地，电子设备可以基于n个对象中每个对象的图像集合，确定n个对象中每个对象的出现次数。即电子设备可以将n个对象中每个对象的图像集合中的图像的张数确定为n个对象中每个对象的出现次数。

确定出每个对象的出现次数后，电子设备则可以继续执行步骤s2220。

本实施例中，也由于对象的出现次数越多也表示该对象与事件越相关。那么，电子设备中还预先设置了一个预设次数，该预设次数表示与该事件是否相关的下限值，若对象的出现次数大于该预设次数，则表示该对象与该事件相关，反之，则不相关。

这样，电子设备可以将该n个对象中每个对象的出现次数与预设次数进行匹配，就可以确定出出现次数大于等于预设次数的n个对象，n为正整数。

对于这n个对象来说，这些对象不仅在不同的至少x个地点均出现过，且这些对象的出现次数也大于等于预设次数，那么这n个对象则可以为在设定时间范围内以及设定地点范围内多次出现的对象，即这n个对象可以是与事件非常相关的对象，以便于后续确定出嫌疑人。

于本实施例中，n个对象中的每个对象均出现在与每个对象的图像集合中的至少一张图像上，那么电子设备可以从每个对象的至少一张图像任选一张图像为用于后续匹配的每个对象的图像，在保证匹配的同时减少设备的运算量，但并不作为限定。当然，电子设备后续也可以将每个对象的至少一张图像中的至少部分图像均用于来进行匹配。

继续前述的假设，通过对300张图像、330张图像、230张图像、170张图像、500张图像和460张图像进行聚类分析，得到在不同的至少4个地点均出现过的6个对象分别为：在不同的6个地点出现过的对象1、在不同的6个地点出现过对象2、在不同的5个地点出现过对象3、在不同的5个地点出现过的对象4、在不同的5个地点出现过的对象5和在不同的4个地点出现过的对象6。那么，在基于预设次数为6次，可以从对象1-对象6中确定出出现次数大于6次的对象包括：出现次数为8的对象1、出现次数为6的对象2、出现次数为6的对象4和出现次数为6的对象6。故确定出的对象1、对象2、对象4和对象6为多次出现的对象，并获得对象1的对象1、对象2的对象2、对象4的对象4和对象6的对象6。

作为确定多次出现的n个对象的另一种方式，如图6所示，步骤s220可以包括：步骤s2201和步骤s2202。

步骤s2201：根据每个对象的图像集合中的图像的张数，确定所述m个对象中每个对象的出现次数。

步骤s2202：根据每个对象的出现次数，确定所述出现次数最高的n个对象为在所述设定时间范围内以及所述设定地点范围内多次出现的对象。

基于电子设备对步骤s2210的执行，可以理解到是，每个对象的图像集合中至少两张图像可以为同一地点的图像，或者，每个对象的图像集合中至少两张图像也以为不同一地点的图像，故这就导致每个对象的图像集合的图像数量可以少于每个对象的图像集合对应的不同地点的数量。

基于获得的包含m个对象的多张图像，电子设备也可以执行步骤s2201，其中，电子设备执行步骤s2201的原理与电子设备执行步骤s2210中确定出现次数的流程大致相同，而区别可以在与步骤s2201可以是为m个对象中的每个对象确定出每个对象的出现次数，因此，关于步骤s2201的详细流程可以参考前述对步骤s2210的描述，在此就不在累述。

那么，在确定出m个对象中每个对象的出现次数后，电子设备可以继续执行步骤s2202。

由于，对象的出现次数越多也表示该对象越多的出现在与该事件相关的空间区域内，那么则也可以表示该对象与事件越相关。那么，电子设备基于获知的该m个对象中每个对象的出现次数，故电子设备将该m个对象中每个对象按出现次数由大至小的顺序依次对每个对象进行排序，从而就可以获得由m个对象排序构成的m个对象序列。

在确定出m个对象序列后，电子设备可按照m个对象序列中每个对象的出现次数为由大至小减小的属性，电子设备就可以从m个对象序列中确定出m个对象序列中的前n个对象为多次出现对象，n为正整数。可以理解到，前n对象的数量可以根据实际情况进行设置，例如，在m个对象的数量较多时，可以将前n对象的数量设置的大一些，反之则小一些。

也对于这n个对象来说，由于这些对象的出现次数也数满足条件，那么m个对象序列中的前n个对象则可以是与事件非常相关的对象，故也使得从而使得真的嫌疑人很大概率在这n个对象中，以便于后续确定出嫌疑人。

相应的，在确定出n个对象后，电子设备也可以获得该n个对象中每个对象用于后续匹配的每个对象的图像。可以理解到，获得每个对象的图像可以参阅前述步骤s2220中的描述，在此就不再累述。

也继续前述的假设，通过对300张图像、330张图像、230张图像、170张图像、500张图像和460张图像进行聚类分析，出现次数大于预设次数的6个对象，并按照6个对象的出现次数排序得到6个对象序列为：出现次数为8的对象1、出现次数为6的对象2、出现次数为6的对象4、出现次数为6的对象6、出现次数为5的对象3和出现次数为4的对象5。故确定出6个对象序列中的前4个对象：对象1、对象2、对象4和对象6为高频出现的对象，并获得对象1的对象1、对象2的对象2、对象4的对象4和对象6的对象6。

请参阅图7，在本实施例中的一些实现方式中，在步骤s200之后，电子设备还可以执行步骤s300。

步骤s300：分别将所述n个对象的图像与目标对象的图像进行比对，确定所述n个对象中是否存在所述目标对象。确定出的n个对象后，由于这n个对象为与事件比较相关的的对象，但却并不知道这n个对象的身份是什么，故可以继续对这个n个对象的进行处理，以确定这n对象至少部分对象的身份。

本实施例中，电子设备可以预先获得与事件相关的包含目标对象的图像。其中，与事件相关的目标对象可以是大致上可能与事件相关的目的对象，而目标对象并不一定是已经明确的就是与该事件相关对象。故与事件大致上可能相关的目标对象的数量可以很大，故包含目标对象的图像的数量也可以很多。例如，目标对象可以为警方数据库中所有有案底的犯罪人员的照片，故目标对象的数量可以为成千上万个，以及包含目标对象的图像也可以为成千上万个。

当然，获得目标对象的包含目标对象的图像的方式可以为从外部的存储有包含目标对象的图像的设备获得。

电子设备还可以通过将n个对象中每个对象的图像与包含目标对象的图像也进行基于碰撞的聚类分析，来实现将每个对象的图像与包含目标对象的图像匹配，确定n个对象中是否存在所述目标对象。

详细地，电子设备基于图像碰撞的聚类分析的规则也可以为：电子设备的每一次碰撞可以为随机的将n个对象中某个的对象的图像与包含某个目标对象的图像进行相似度匹配，以确定该某个的对象的图像和该包含某个目标对象的图像之间的相似度，并将该相似度与电子设备中预先设置的第二阈值进行匹配，以判断该相似度是否大于或等于第二阈值，其中，第二阈值也可以为例如90％，但并不作为限定，例如，实际中为求更准确，还可以将该第二阈值设置的更高。相似度大于第二阈值表示相似度与第二阈值匹配，即表示n个对象中该某个的对象中的对象和该目标对象为同一对象，这样就可以确定该对象的身份为目标对象。反之，相似度不大于第二阈值，则确定出该对象的身份不是该目标对象。

那么，电子设备按照上述的聚类分析的规则，电子设备也基于执行预设的碰撞次数后，就可以确定出每个对象是否为相应的目标对象，这样可以确定出n个对象中是否存在目标对象。若确定出确定出n个对象中是否存在至少部分对象对相应的目标对象相同，那么便可以对这些确定身份的至少部分对象进行重点观察，由于这些重点观察的对象都是知道身份的对象，故便可以对这些知道身份的对象进行重点分析以便于能够确定出真的嫌疑人。继续前述假设，电子设备预先获得了包含1200个目标对象的多张图像，那么电子可以将对象1、对象2、对象4和对象6与包含1200个目标对象的多张图像进行基于碰撞的聚类分析，并确定出对象1对目标对象11匹配、对象2对目标对象22匹配和对象4对目标对象44匹配，那么可以确定出对象1的身份为目标对象11、对象2的身份为目标对象22和对象4的身份为目标对象44。

可以理解到的是，由于经过步骤s200确定出了相关对对象并缩小的对象数量，故在步骤s300执行时，便可以利用相关的对象快速并准确的确定出相关对象的身份。

第三实施例

请参阅图8，本申请实施例提供了一种图像处理装置100，该图像处理装置100可以应用于电子设备，该图像处理装置100包括：

图像获得模块110，用于获得在设定时间范围内以及设定地点范围内采集到的多张图像，所述多张图像包含m个对象，m为大于1的整数。

图像确定模块120，用于对所述多张图像进行聚类分析，确定在所述设定时间范围内以及所述设定地点范围内多次出现的n个对象，n为小于等于m的正整数。

需要说明的是，由于所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

本领域内的技术人员应明白，本申请实施例可提供为方法、系统、或计算机程序产品。因此，本申请实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。

综上所述，本申请实施例提供了一种图像处理方法、装置、电子设备及存储介质。方法包括：获得在设定时间范围内以及设定地点范围内采集到的多张图像，多张图像包含m个对象，m为大于1的整数；对多张图像进行聚类分析，确定在设定时间范围内以及设定地点范围内多次出现的n个对象，n为小于等于m的正整数。

通过对包含的m个对象的多张图像集合进行聚类分析，便可以从m个对象中确定出在设定时间范围内以及设定地点范围内多次出现的n个对象。那么在目标对象不明确的情况下，这n个对象则极有可能是与事件相关的对象，故再利用这n个对象，则可以快速且准确的确定出事件相关的结果。

以上仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

以上，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。